很简单
1.为两者创建df并保存它们。
1.从第1列转换B列，从第2列转换日期，并将其转换为datetime。
合并df 1st和该VCPI为：

both_merged_df = pd.merge(df1, vcpi, left_on='B', right_on='date', 
   how='left')

字符串
根据你的条件写一个你想要的函数，例如考虑第一种情况：

if row['A'] == 'CPI_x6':
    return both_merged_df.loc[(both_merged_df['date'] >= row['B']) & (both_merged_df['date'] <= row['B'] + pd.DateOffset(months=6)), 'CPI_x6'].mean()

型
然后，应用该函数创建一个新列。
此外，我尝试了这个对我来说，这是输出可能会对你有帮助。

的数据

您需要计算rolling.mean或每一列，然后执行索引查找：

import re

# ensure datetime
df['B'] = pd.to_datetime(df['B'], dayfirst=False)
VCPI['date'] = pd.to_datetime(VCPI['date'], dayfirst=False)

idx, cols = pd.factorize(df['A'])

df['C'] = (VCPI
  .set_index('date')
  .apply(lambda s: s[::-1].rolling((m.group(0) if (m:=re.search(r'\d+$', s.name)) else '1')+'D',
                                   min_periods=1).mean())
  .loc[df['B'], cols]
  .to_numpy()[np.arange(len(df)), idx]
)

字符串
或者melt和merge：

tmp = (VCPI
  .set_index('date')
  .apply(lambda s: s[::-1].rolling((m.group(0) if (m:=re.search(r'\d+$', s.name)) else '1')+'D',
                                   min_periods=1).mean())
  .reset_index().rename(columns={'date': 'B'}).melt('B', var_name='A', value_name='C')
)

out = df.merge(tmp, on=['A', 'B'], how='left')

型

• 注意，这将创建一个新的DataFrame。*

输出量：

A          B           C
0  CPI_x6 2015-01-01  153.333333
1     CPI 2015-01-01  200.000000
2  CPI_x9 2015-01-03  588.888889
3     CPI 2015-01-05  150.000000

型